背景和目的:基于冠状动脉计算机断层扫描血管造影(Coronary Computed Tomography Angiography,CCTA)的冠脉形态学参数——病变长度(Lesion Length,LL)与最小管腔直径(Minimal Lumen Diameter,MLD)的四次方之比(LL/MLD~4)可对冠脉进行功能学评估,但其诊断性能仍不理想,并且LL/MLD~4与基于CCTA的冠脉血流储备分数(CT-derived Fractional Flow Reserve,CT-FFR)之间的冠脉功能性缺血诊断性能差异仍不明确。可反映冠脉狭窄处血流能量损失程度的关键参数——血流流入角(α)在血流储备分数(Fractional Flow Reserve,FFR)≤0.80和>0.80的患者中具有明显差异。另外,目前尚无基于最小绝对值收敛和选择算子(Least Absolute Shrinkage and Selection Operator,LASSO)算法构建的可对患者冠脉功能性缺血进行风险预测的临床模型。因此,本研究的主要目的:(1)开发一种新型冠脉形态学参数—α和LL/MLD~4的乘积(α×LL/MLD~4),以期提高单纯形态学参数的冠脉功能性缺血诊断性能,并探究α×LL/MLD~4、LL/MLD~4和CT-FFR三者之间在诊断冠脉功能性缺血性能上是否存在差异;(2)在患者特征数据、冠脉形态学参数以及斑块特征参数组成的数据集基础上,利用LASSO算法构建一种冠脉功能性缺血临床风险预测模型,以期进一步提高形态学参数的冠脉功能性缺血诊断能力。方法:回顾性纳入2016年9月至2020年3月在新加坡国家心脏中心及新加坡国立大学医院中接受了CCTA、侵入性冠脉造影(Invasive Coronary Angiography,ICA)以及FFR检查的疑似或已知冠状动脉粥样硬化性心脏病(Coronary Artery heart Disease,CAD)患者,CCTA与ICA检查间隔不超过6个月,并收集入组患者的人口特征数据、临床特征数据、FFR测量时的影像和CCTA原始影像资料。使用软件Qangio CT科研版(版本号:3.2.0.13,Medis公司,美国)进行CCTA影像质量评估、冠脉形态学参数测量及冠脉斑块定量分析。使用Ansys软件套件(Ansys Space Claim、Ansys Work Bench、Ansys Fluent和CFD-Post)(ANSYS公司,美国)进行冠脉3D重建及流体力学模拟计算,然后通过审查患者行FFR检查时的影像确定FFR测量的位置,再利用已构建的可显示任意位置CT-FFR值的冠脉3D模型获取相同位置处的CT-FFR结果。以FFR为金标准,使用受试者工作特征(Receiver Operating Characteristic,ROC)曲线下面积(Area Under the receiver-operator characteristics Curve,AUC)对比α×LL/MLD~4、LL/MLD~4和CT-FFR之间冠脉功能性缺血(FFR≤0.80)诊断性能差异。使用R软件(版本号:4.2.0,朗讯公司,美国)调用“glmnet”程序包内的LASSO算法,通过十折交叉验证筛选出与冠脉功能性缺血相关的变量,并利用筛选出的变量构建风险预测模型,然后采用ROC曲线分析模型性能,并与CT-FFR、α×LL/MLD~4和直径狭窄百分比(%Diamettranspedicular core needle biopsyer Stenosis,%DS)进行冠脉功能性缺血诊断性能对比。使用“resourceselection”程序包对该模型进行拟合优度检验,并使用自举重采样法对该模型进行内部验证。为进一步评估模型性能,使用“rms”程序包绘制LASSO模型的临床决策曲线和临床影响曲线,并与CT-FFR、α×LL/MLD~4和%DS进行对比。最后绘制列线图使LASSO模型可视化。结果:最后共133名患者和210条血管被纳入分析,其中FFR≤0.80的有75名患者(56.4%),FFR>0.80的有58名(43.6%),210根冠脉中FFR≤0.80的有89根(42.4%),FFR>0.80的有121根(57.6%IACS-10759)。在血管水平,α×LL/MLD~4相对于LL/MLD~4冠脉功能性缺血的诊断性能提升了9.2%(AUC:0.932 vs.0.840,GSK1120212p<0.001);与CT-FFR相比,α×LL/MLD~4诊断性能虽提升了3.0%,但没有统计学差异(AUC:0.932 vs.0.902,p=0.238)。LL/MLD~4与CT-FFR相比也未见明显差异(AUC:0.840 vs.0.902,p=0.061)。α×LL/MLD~4、LL/MLD~4和CT-FFR三者之间在患者水平的对比结果与血管水平上相似。共10个变量被确定与冠脉功能性缺血高度相关,分别是:α、LL、MLD、%DS≥50%、阳性重塑指数、斑块负荷、单支冠脉的Agatston评分、病变节段LAP体积、病变节段最大狭窄截面处的LAP面积以及LL/MLD~4。用这10个变量构建的冠脉功能性缺血LASSO回归模型的AUC值达到0.966(95%置信区间:0.932-0.986)。与基于CCTA影像的%DS(≥50%)相比,其冠脉功能性缺血的诊断性能有34.2%的提升(AUC:0.966 vs.0.624,p<0.0001);与CT-FFR相比,诊断性能有6.4%的提升(AUC:0.966 vs.0.902,p=0.006);与α×LL/MLD~4相比,诊断性能有3.4%的提升(AUC:0.966 vs.0.932,p=0.01)。临床决策曲线分析结果显示,该LASSO回归模型在全部阈概率下指导的临床决策对患者产生的净获益均高于CT-FFR、α×LL/MLD~4及基于CCTA影像的%DS(≥50%)。拟合优度检验及校准曲线结果均提示,该LASSO模型具有稳定可靠的冠脉功能性缺血预测能力。结论:相对于传统的冠脉形态学参数LL/MLD~4,我们首次开发的新型冠脉形态学参数α×LL/MLD~4不仅取得了不劣于CT-FFR的冠脉功能性缺血诊断性能,还进一步提高了单纯冠脉形态学参数的功能性缺血诊断能力。另外,我们利用LASSO智能参数选择算法构建的风险预测模型又进一步提高了形态学参数的冠脉功能性缺血诊断能力,可更好地帮助疑似或已知CAD的患者了解其冠脉生理功能。